面向不平衡数据的逻辑回归偏标记学习算法

偏标记学习是近几年提出的新机器学习框架，已有的逻辑回归偏标记算法尚不能解决数据不平衡问题．建立了一种可以解决数据不平衡的逻辑回归模型偏标记学习算法．基本思想是在多元逻辑回归模型中定义新的似然函数以达到处理不平衡数据的目的．算法先根据训练集中各个类别样本所占比例定义了一个新的似然函数，之后通过逼近和求导等数学手段推导得到了能够求解的光滑的逻辑回归偏标记学习模型．在UCI数据集和真实数据集上的仿真实验表明，所提算法在数据存在不平衡问题时提高了样本的平均分类精度